DeepMind 的遊戲 AI 被重新用於最佳化程式碼和基礎設施
DeepMind 的 Alpha 系列人工智慧(AI)已經創造了一些世界第一,例如 AlphaGo 擊敗了圍棋世界冠軍。現在這些最初用於玩遊戲的 AI 已經被用於其他任務,並體現出驚人的能力。它們不僅可以應用於不同領域,而且還表明它們在已經工作的領域中具有彈性和韌性。
類比演算法和深度學習
類比算法和深度學習是當前各領域研究的熱門話題,而 Alpha 系列 AI 在這方面功不可沒。在類比算法方面,AlphaGo 為圍棋屆帶來了類比計算模型。類比計算模型是在神經元級別上模擬人類大腦的計算模型,透過將大量計算傳遞到神經元之間進行計算和處理。而深度學習則模擬神經網路在機器學習中的應用。基於此,AlphaGo Zero 僅透過與自己對弈而學習到了象棋和將棋,而 MuZero 甚至不需要告訴它遊戲規則就能夠解鎖更多遊戲。
AI 在其他領域的應用
繼 AlphaGo Zero 之後,科學家們用 AlphaZero 解決了 Borg 在管理工作分配時遇到的困難。Borg 以前使用手工編碼的規則來管理工作量,但當工作量變化時,這些規則已經無法考慮到各種不斷變化的工作量分佈,而 AlphaZero 則在這些資料中發現了模式,提出了新的方法來預測和管理負載,並在生產中降低了最高 19%的未使用硬體。
類似地,MuZero 被用於觀察 YouTube 流,以減少影片的位元率。即使僅減少了 4%,也足以讓 YouTube 的規模受益。對於番組組織,MuZero 甚至更深入地觀察了壓縮,如幀分組,進一步減少了負荷。AlphaDev 在 Google 圖書館中與標準庫相比,提高了排序算法。它還使小字範圍(9-16)的雜湊資料函數更好,減少了 30%的負擔。
為何有這樣的巨大改進
這些改進雖然不足以單獨改變世界,但開發者系統的增量改變正在不斷進行。有趣的是,一個 AI 可開發解決問題的方法,專注於獲勝的遊戲,就能夠學習和推廣透過它解決不相關的領域,例如壓縮。Alpha 系列 AI 展示了彈性和韌性,這是我們已經創造的 AI 中最令人期待的,而且這些結果還表明我們有可能創造出「通用人工智慧」,即能夠自主學習、自主推理,同時可以在各種領域內進行應用的人工智慧。人工智慧技術正處於不斷演進和從事越來越多的應用之中。
延伸閱讀
- Webflow 併購 Intellimize,加入 AI 動力頁面個性化
- 頭條新聞:頂級公司專頁功能即將上線,搭載 AI 及行銷工具助您擴充套件觀眾量
- FLO 大力改善電動車充電基礎設施
- Amazon Music 跟隨 Spotify 推出自己的 AI 播放清單生成器 Maestro
- 「Facebook 與 Instagram AI 生成的裸照遭調查」
- 新聞標題:Meta 在 Instagram 測試 AI 動力搜尋欄
- Google 計劃透過兩款新的 10 美元 Workspace 附加元件來實現 AI 的盈利化
- Multiverse 視界養成獨角獸收購 Searchlight,以 AI 為重心
- 微軟人工智慧進軍倫敦,由前 Inflection 和 Deepmind 科學家 Jordan Hoffmann 領軍的新據點
- Anthropic 找到了一個讓 AI 提供未知答案的技巧 + TechCrunch 分鐘: Anthropic 如何獲得 AI 提供未知答案